python 爬取天猫店铺商品评论

在两三年之前天猫，淘宝，美团等这类的没有加密，很容易采集到数据，刚写了个爬取天猫评论时候，发现不能获取json类的数据，用了所以我用selenium，效果还不错，我们创建对象后，会让我们登录(如下图所示)，开始我的思路是点击让它关闭，但是获取不到 关闭 （看源代码想到的iframe定位），又换了一种方式，使用execute_script（）方法添加属性display:none ； 本篇数据没储存（可以参考之前博客写的储存） 不说太多 上图上代码

from selenium import webdriver
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.common.by import By
import time
import random
import re
import codecs
import csv
browser = webdriver.Chrome()
# 创建等待对象
wait = WebDriverWait(browser, 60)
browser.maximize_window()

url = 'https://detail.tmall.com/item.htm?id=613496331701&ali_refid=a3_430582_1006:1105301367:N:aEuKxt8KFNFlmiouOf%20%20ow==:dbecb924121b493297350f8b4047a699&ali_trackid=1_dbecb924121b493297350f8b4047a699&spm=a230r.1.14.1&skuId=4536332663234'

browser.get(url)


# 关闭登录框
wait.until(
    EC.presence_of_element_located((By.CLASS_NAME, "sufei-dialog"))
)

login = browser.find_elements_by_class_name("sufei-dialog")
if len(login)>0:
    myjs = '''
            var x = document.getElementsByClassName("sufei-dialog");
            x[0].setAttribute("style","display:none");
        '''
    browser.execute_script(myjs)
# 点击评论
js="var q=document.documentElement.scrollTop=800"
browser.execute_script(js)
time.sleep(random.random()*6)
wait.until(
    EC.presence_of_element_located((By.XPATH, '//*[@id="J_TabBar"]/li[2]'))
)
but = browser.find_element_by_xpath('//*[@id="J_TabBar"]/li[2]')
but.click()

time.sleep(random.random()*9)
# 获取评论内容
while True:
    ls = browser.find_elements_by_xpath('//*[@id="J_Reviews"]/div/div[6]/table/tbody/tr')
    print('len:',len(ls))
    for each in ls:
       plun = each.find_element_by_xpath('.//div[@class="tm-rate-fulltxt"]').get_attribute("innerText") if len(each.find_element_by_xpath('.//div[@class="tm-rate-fulltxt"]').get_attribute("innerText"))> 0 else None
       name = each.find_element_by_xpath('.//div[@class="rate-user-info"]').get_attribute("innerText") if len(each.find_element_by_xpath('.//div[@class="rate-user-info"]').get_attribute("innerText"))> 0 else None
       print(name + plun)
    time.sleep(random.random()*6)
    wait.until(
        EC.presence_of_element_located((By.XPATH, '//div[@class="rate-paginator"]/a[contains(text(),"下一页")]'))
    )
    pages = browser.find_elements_by_xpath('//div[@class="rate-paginator"]/a[contains(text(),"下一页")]')
   

    if len(pages)>0:
        pages[0].click()
    else:
        break
    time.sleep(random.random()*3)